(全球TMT 2026年10月28日讯)澳鹏数据正式发布ExamOCRBench——一个以端到端整页判分为核心的多任务评测基准，基于中国小学2,464套真实试卷页面构建，覆盖语文、数学、英语三个学科，包含不同拍摄条件、手写涂改、不完整作答与复杂布局。

打开网易新闻 查看精彩图片

基准判分任务关联22,636个小题，覆盖十类细分题型；标注采用页面、大题、小题、答题区域的层级结构，忠实保留学生最终可见答案，包括拼写错误与涂改痕迹。参考答案经人工核验与多阶段质检后形成标签。共享页面共派生24,928个任务实例。

在参与评测的五个模型中，GPT-6 Astra以58.18%整页判分准确率领先，GPT-5.6 Sol为53.41%，Qwen3.8-Max、Claude Opus 5和Doubao-Seed-2.1-Pro分别为42.32%、36.75%和33.22%。基准核心指标PageScoreAccuracy要求页面内所有可正常判分单元全部判对，一处出错即整页不计为正确。